FAKTOR RUMAH TANGGA YANG MEMPENGARUHI EMISI CO2 DI KELURAHAN JODIPAN,

KOTA MALANG
Rusyda Al Latifa, Kartika Eka Sari, Christia Meidiana
Jurusan Perencanaan Wilayah dan Kota Fakultas Teknik Universitas Brawijaya
Jalan Mayjen Haryono 167 Malang 65145 -Telp (0341)567886
Email: rusydaal@student.ub.ac.id

ABSTRAK

Kelurahan Jodipan merupakan salah satu daerah padat penduduk di Kecamatan Blimbing, Kota Malang yang
memiliki 13.136 jiwa dengan kepadatan penduduk 23.947 jiwa/km2. Semakin meningkat jumlah penduduk maka
semakin besar peningkatan pembangunan rumah secara berdempetan menyebabkan semakin banyak aktivitas
rumah tangga yang berpotensi menghasilkan emisi karbon dari konsumsi bahan bakar memasak dan konsumsi
energi listrik rumah tangga. Penelitian ini menjadi penting untuk dibahas karena dikaitkan dengan Peraturan
Gubernur Jawa Timur No. 67 Tahun 2012 tentang Rencana Aksi Daerah Penurunan Emisi Gas Rumah Kaca (GRK)
sebagai upaya mengurangi emisi karbon. Penelitian ini bertujuan untuk mengetahui besaran produksi jejak
karbon primer dan jejak karbon sekunder menggunakan perhitungan IPCC (2006), serta hubungan karakteristik
rumah tangga yang berpengaruh terhadap emisi CO2 rumah tangga menggunakan analisis regresi linier berganda.
Hasil dari penelitian ini yaitu Kelurahan Jodipan memiliki emisi total sebesar 571,514 ton CO2/bulan dengan emisi
primer 84,813 ton CO2/bulan dan emisi sekunder 486,701 ton CO2/bulan. Terdapat di RW 06 menghasilkan emisi
yang paling tinggi (22%) dan RW 03 paling rendah (7,4%). Pada analisis regresi hasil variabel yang menjadi
konstanta paling besar diantara variabel lainnya sebagi penyumbang terbesar terhadap hasil produksi emisi yaitu
Daya listrik rumah (X4) dan Jumlah Pendapatan Perbulan (X5) menjadi kontrol upaya penurunan emisi CO2.

Kata Kunci : Emisi-Rumah-Tangga; Emisi-CO2; Jejak-Karbon; Regresi-Linier-Berganda

ABSTRACT

Kampoong Jodipan is one of the densely populated areas in Blimbing Subdistrict, Malang City which has 13.136
people with a population density of 23.947 people/km2. The increasing number of residents, the greater the
increase in house building in a row causes more household activities that have the potential to produce carbon
emissions from cooking fuel consumption and household electricity consumption. This research is important to
discuss because it is associated with East Java Governor Regulation No. 67 of 2012 on Regional Action Plan on
Reducing Greenhouse Gas Emissions (GHG) in an effort to reduce carbon emissions. The study aims to determine
the amount of primary carbon footprint production and secondary carbon footprint using IPCC calculations
(2006), as well as the relationship of household characteristics that affect household CO2 emissions using multiple
linear regression analysis. The results of this study are Jodipan Village has a total emission of 571,514 tons of
CO2/month with primary emissions of 84,813 tons of CO2/month and secondary emissions of 486,701 tons of
CO2/month. There are RW 06 producing the highest emissions (22%) and RW 03 lowest (7,4%). In regression
analysis, the results of variables that are the largest constant among other variables as the largest contributor to
emission production results home electrical power (X4) and amount of income (X5) becomes the control of efforts
to reduce CO2 emissions.

Keywords: Domestic-Emission; CO2-Emissions; Carbon-Footprint, Multiple-Linear-Regression

pada wilayah perkotaan yaitu urbanisasi.

PENDAHULUAN
Perkembangan suatu wilayah dapat dilihat
dari perkembangan fisik yang ditandai dengan
bertambahnya lahan terbangun untuk
permukiman, industri, maupun fasilitas umum.
Semakin luasnya lahan terbangun dapat memicu
peningkatan jumlah penduduk pada wilayah
tersebut. Selain faktor kelahiran dan kematian
penduduk pengaruh yang cukup besar pada
penyebab pertambahan penduduk terutama
Semakin sedikitnya lapangan pekerjaan yang
tersedia di desa mengakibatkan banyak
penduduk desa berpindah ke wilayah perkotaan
yang berpotensi lebih banyak lapangan pekerja.
Oleh karena itu adanya urbanisasi mengakibatkan
semakin padatnya penduduk di wilayah
perkotaan (Indriastuti, 2018).
Semakin padat penduduk pada kawasan
permukiman, maka semakin banyak pula
konsumsi energi bahan bakar dan listrik pada

Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022 89
FAKTOR RUMAH TANGGA YANG MEMPENGARUHI EMISI CO2 DI KELURAHAN JODIPAN, KOTA MALANG
penggunaan rumah tangga (Wiratama, 2016).
Penggunaan konsumsi bahan bakar serta listrik
yang tinggi dapat menyumbang jejak emisi yang
tinggi (Wulandari, 2016). Sektor rumah tangga di
Indonesia menyumbang 3,8% emisi CO2 langsung
dan 20,7% emisi CO2 tidak langsung. Emisi yang
dihasilkan 0,58 ton CO2/kapita jauh di bawah
rata-rata aksi iklim menuju net zero sebesar 1,46
ton CO2/kapita (IESR, 2021).
Emisi dari pembakaran bahan bakar
dengan pertumbuhan rata-rata konsumsi energi
LPG sebesar 14,46%. Pergerakan konsumsi LPG
meningkat emisi secara berkala hingga sebesar
620 MtCO2 pada tahun 2018. Kebijakan konversi
kerosin ke LPG menjadi salah satu faktor penting
dalam peningkatan pergerakan emisi LPG (ESDM,
2018). Emisi yang berasal dari listrik merupakan
kontributor terbesar yaitu 35%. Emisi GRK
ketenagalistrikan diproyeksikan akan tetap
menjadi yang terbesar pada tahun 2030, bukan
hanya karena peningkatan permintaan
kebutuhan listrik akibat pertumbuhan ekonomi
dan penduduk, tetapi juga karena pembangunan
pembangkit listrik baru masih didominasi bakar
fosil (ESDM, 2018).
Kelurahan Jodipan merupakan salah satu
wilayah di Kota Malang yang mempunyai aktivitas
penduduk yang kompleks dan mobilitas tinggi,
diprediksi akan menghasilkan emisi CO2 tinggi.
Wilayah tersebut secara administratif terletak di
Kecamatan Blimbing yang termasuk dalam bagian
Kota Malang BWP Timur Laut yang diprioritaskan
untuk kawasan perumahan. Penelitian
Rinpropadebi (2015) menjelaskan estimasi tapak
karbon permukiman di Kota Malang, dimana
rumah yang menghasilkan emisi karbon yang
lebih besar yaitu pada rumah sederhana sebesar
55.891 ton CO2/tahun, kemudian rumah
menengah 50.412 ton CO2/tahun dan rumah
mewah menghasilkan 17.921 tonCO2/tahun. Jika
emisi karbon dinilai dari setiap kecamatan,
hasilnya Kecamatan Blimbing memiliki nilai tinggi
diantara kecamatan di Kota Malang, yaitu sebesar
142.241,44 ton CO2/tahun. Rofiana (2015)
menjelaskan perkampungan padat dan kumuh
yang terdapat pada area bantaran Sungai Brantas
Kota Malang diantaranya terdapat di sebagian
Kelurahan Oro-oro Dowo dan Jodipan, yang
sangat memungkinkan terjadinya penurunan
kulitas lingkungan di Kota Malang. Meskipun
jumlah penduduk di Kelurahan Jodipan tidak
sebanyak di kelurahan lainnya di Kecamatan
Blimbing, namun tingkat kepadatannya lebih
padat daripada kelurahan lainnya yaitu sebesar
90 Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022
23.947 jiwa/km2 (KDA, 2020). Pengaruh konsumsi
energi terhadap karakteristik bangunan padat di
Kota Malang, dimana Kampung Jodipan
mendominasi bangunan dengan luasan 15 – 60
m2 lebih kecil dan lebih padat memiliki konsumsi
yang lebih tinggi dibandingkan Kampung Muria
(Harjanto, 2019). Jejak karbon pada perumahan
kepadatan tinggi yang dihitung dari jumlah rumah
tangga per luas bangunan rumah diikuti dengan
konsumsi bahan bakar dan listrik yang tergolong
tinggi cenderung memiliki emisi karbon yang
besar dibandingkan perumahan dengan
kepadatan rendah (Kurniawati, 2012).
Pembahasan dari hasil penelitian
Rinpropadebi (2015) terkait estimasi besaran
emisi CO2 yang paling besar dihasilkan di
Kecamatan Blimbing dengan jenis rumah
sederhana lebih besar dibandingkan rumah jenis
lainnya di kecamatan lain di Kota Malang dan
kemudian dijelaskan oleh penelitian lainnya yang
disebutkan sebelumnya, maka dari itu diperlukan
lebih detail terkait jejak karbon yang berada di
rumah tangga di Kecamatan Blimbing khususnya
di Kelurahan Jodipan berdasarkan
pengkategorian rumah sederhana yang memiliki
kepadatan tinggi dan pengaruh faktor
karakteristik rumah tangga terhadap emisi
karbondioksida yang dihasilkan.
Cara yang dapat dilakukan untuk
mengetahui penurunan emisi yang telah dicapai
yaitu menghitung emisi dari setiap aksi mitigasi
yang telah dilakukan dengan melakukan
inventarisasi data emisi yang lengkap dan akurat
agar penurunan tersebut terukur dengan jelas.
Data emisi yang lengkap diperoleh dengan cara
menginventarisasi secara rutin terhadap seluruh
data yang diperlukan untuk menghitung emisi.
Data emisi yang akurat diperoleh melalui
penggunaan metodologi yang tepat sesuai
dengan panduan internasional yaitu dengan
perhitungan IPCC tahun 2006. Sesuai dengan
kebijakan nasional terhadap dampak dari
perubahan iklim sehingga perlu dilakukan upaya
penanggulangan melalui mitigasi perubahan iklim
terkait pengurangan emisi GRK yang terpadu
dengan sektor lainnya.
Berdasarkan Peraturan Gubernur Jawa
Timur No. 67 Tahun 2012 tentang Rencana Aksi
Daerah Penurunan Emisi Gas Rumah Kaca,
disebutkan target penurunan emisi bidang energi
dan transportasi sebesar 5,22% atau sama
dengan emisi 6.190.738,9 ton CO2. Salah satu
rencana aksi terkait harus dilakukan
penghematan penggunaan listrik energi sebesar

10% atau sama dengan indikasi penurunan emisi
CO2 GRK 1.685.954,74 ton CO2 diseluruh
kabupaten maupun kota. Dalam rangka
mendukung hasil inventarisasi data emisi yang
sesuai, maka penelitian ini menjadi penting untuk
dibahas upaya yang dilakukan dalam mendukung
rencana aksi diperlukan data-data yang terkait
dengan konsumsi energi terutama dari aktivitas di
permukiman yang merupakan salah satu sumber
utama salah satu emisi GRK yaitu gas
karbondioksida.
Emisi CO2 Sumber Tidak Bergerak
Emisi sumber tidak bergerak atau
istilahnya jejak karbon dari rumah tangga adalah
ukuran total emisi CO2 dari aktivitas atau
akumulasi produk yang digunakan dalam
kehidupan sehari-hari. Jejak karbon dapat
dihitung dengan beberapa cara. Emisi GRK dari
penggunaan listrik yaitu terkait penerangan
lampu, peralatan elektronik rumah tangga seperti
komputer, televisi dan kulkas. Kemudian emisi
yang dikeluarkan secara langsung yaitu dari
bahan konsumsi bakar berasal dari bahan bakar
fosil aktivitas rumah tangga seperti memasak.
Perhitungan emisi GRK dari dua kategori
konsumsi ini biasanya mengalikan jumlah yang
benar-benar dikonsumsi dengan faktor emisi
yang sesuai (Lin et al., 2013).
Hubungan Karakteristik Rumah Tangga terhadap
Emisi CO2 Berdasarkan Penelitian Terdahulu
Hubungan dari karaktristik rumah tangga
digunakan sebagai variabel bebas yang akan diuji
menggunakan analisis regresi linier berganda.
Variabel tersebut berdasarkan penelitian
terdahulu yang dinilai signifikan terhadap model
regresi.
Nugrahayu (2017) menjelaskan gaya hidup
dari konsumsi bahan bakar memasak, jumlah
anggota keluarga, dan pertumbuhan ekonomi
serta pendapatan perkapita suatu daerah
merupakan faktor lain yang mempengaruhi
besarnya produksi emisi CO2. Wulandari (2017)
menjelaskan rumah yang memiliki pendapatan
lebih tinggi cenderung menggunakan konsumsi
energi yang lebih besar sehingga emisi CO2 yang
dihasilkan lebih besar. Sasmita (2018)
menjelaskan tinggi rendah emisi dipengaruhi oleh
jumlah dan jenis peralatan elektronik, serta daya
listrik rumah karena berpengaruh terhadap
konsumsi energi. Sedangkan faktor lainnya
dipengaruhi oleh jumlah anggota keluarga yang
Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022
Rusyda Al Latifa, Kartika Eka Sari, Christia Meidiana
menetap, pendapatan, ukuran rumah, jumlah
lantai rumah, jumlah ruang dalam rumah.
Berdasarkan dari penelitian sebelumnya
yang sudah dijabarkan diatas, terdapat hubungan
produksi emisi CO2 yang berpengaruh terhadap
karakteristik rumah tangga. Penelitian ini
kemudian memakai variabel penelitian
berdasarkan penelitian sebelumnya sebagai
referensi berdasarkan hasil dari variabel
karakteristik rumah tangga yang nilai korelasi
maupun regresi tinggi berkaitan dengan produksi
emisi CO2 yang dihasilkan. Variabel tersebut
menjadi variabel bebas yang akan diuji regresi
linier berganda menggunakan SPSS.
METODE PENELITIAN
Populasi dan Sampel
Teknik pengambilan sampel menggunakan
purposive sampling yaitu teknik penentuan
sampel dengan pertimbangan tertentu. Alasan
menggunakan teknik ini karena tidak semua
sampel memiliki kriteria yang sesuai dengan
kriteria yang diteliti, metode ini memastikan
supaya informasi yang diperoleh nantinya dapat
lebih representatif (Sugiyono, 2016).
Kriteria pemilihan sampel rumah pada
penelitian menggunakan rumah dengan jenis
tempat tinggal saja tanpa adanya aktivitas
komersial seperti warung, laundry, tempat
percetakan, dan rumah usaha lainnya. Hal ini
dikarenakan untuk perhitungan konsumsi bahan
bakar dan konsumsi listrik agar tidak tercampur
antara konsumsi rumah dengan usaha.
Sampel yang akan dijadikan obyek
penelitian ini yaitu sebagaian dari populasi di
Kelurahan Jodipan yang tersebar 8 RW yang
jumlahnya telah ditentukan berdasarkan
perhitungan suatu rumus sampel penelitian.
Pedoman menentukan jumlah sampel
menurut Slovin dengan menggunakan persamaan
berikut:
𝑁
𝑛= (1)
𝑁𝑎! +1
3.294
𝑛= = 356,686
3.294 (0,05)! + 1
Keterangan:
n = Jumlah anggota sampel
N = Jumlah rumah
α2 = Presisi kelonggaran atau ketidaktelitian
karena kesalahan pengambilan sampel
yang ditetapkan sebesar (5%)
91
FAKTOR RUMAH TANGGA YANG MEMPENGARUHI EMISI CO2 DI KELURAHAN JODIPAN, KOTA MALANG
Berdasarkan rumus slovin tersebut dengan
tingkat kesalahan 5 % maka diperoleh jumlah
sampel sebanyak 357 sampel, supaya lebih akurat
ditambahkan sebesar 10% menjadi 400 sampel,
dengan 50 sampel rumah disetiap RW (terdapat 8
RW) yang dipilih hanya rumah hunian atau
tempat tinggal saja tanpa adanya kegiatan
komersial.
Setelah data responden diambil, kemudian
rumah dikelompokkan berdasarkan luas
bangungan menjadi empat kategori. Yaitu luas
bangunan rumah lebih kecil (8 m2 - 20 m2), rumah
kecil (21 m2 - 69 m2), rumah sedang (70 m2 - 100
m2), rumah besar (120 m2 - 240 m2).
Variabel Penelitian
Variabel penelitian dibagi berdasarkan
tujuan dari penelitian. Tujuan pertama yaitu emisi
CO2 primer dari bahan bakar rumah tangga LPG,
kayu bakar dan minyak tanah. Sedangkan emisi
CO2 sekunder dari konsumsi listrik yang terbagi
menjadi 450 VA, 900 VA, 1.300 VA daya listrik
rumah.
Tujuan kedua yaitu dari karakteristik
rumah tangga yang kemudian menggunakan
analisis regresi linier berganda untuk mengetahui
hubungan antara 8 variabel bebas yaitu Luas
bangunan (X1), Jumlah lantai rumah (X2), Jumlah
ruang dalam rumah (X3), Daya listrik rumah (X4),
Jumlah pendapatan perbulan (X5), Jumlah
anggota keluarga (X6), Jumlah anggota keluarga
yang bersekolah (X7), Jumlah anggota yang
bekerja (X8) terhadap besaran emisi CO2 total (Y).
Pengumpulan Data
Pengumpulan data ini bertujuan untuk
mengetahui segala sesuatu yang berhubungan
dengan penelitian ini. Data yang diperoleh
didapatkan dari pengumpulan data primer dan
data sekunder. Data primer dilakukan dengan
cara obervasi terhadap obyek penelitian dan form
angket dalam bentuk kuesioner seperti jenis dan
konsumsi bahan bakar memasak serta konsumsi
listrik dalam satu bulan. Sedangkan data
sekunder didapatkan dari studi literatur seperti
penelitian terkait jejak karbon, data profil
kelurahan jodipan, maupun ketentuan pedoman
inventarisasi GRK.
Metode Analisis
Berdasarkan tujuan pertama dari
penelitian ini yaitu mengkaji produksi besaran
emisi CO2 yang dihasilkan dari kegiatan konsumsi
rumah tangga dan konsumsi listrik menggunakan
92 Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022
analisis jejak karbon yang bersumber dari rumus
IPCC tahun 2006. Rumus perhitungan jejak
karbon primer:
Emisi CO2 Primer = Fc x EF x NCV (2)
Keterangan:
Fc : Fuel consumed/konsumsi dalam satu
bulan (Kg)
EF : Emission factor/faktor emisi (Kg CO2 /TJ)
NCV : Net calorific volume/berat bersih (TJ/Kg)
Rumus perhitungan jejak karbon sekunder:
Emisi CO2 Sekunder = EF x Konsumsi Listrik (3)
Keterangan:
Konsumsi listrik : Listrik yang dikonsumsi (kWh)
EF : Emission factor/faktor emisi
(satuan massa/Kwh). Penelitain
ini menggunakan grid JAMALI
sebesar 0,000817 tonCO2/kWh
(ESDM, 2021).
Rumus perhitungan jejak karbon total:
Emisi CO2 total = Emisi CO2 primer + Emisi CO2
sekunder (4)
sumber: IPCC, 2006
Setelah mengetahui hasil emisi dari karbon
primer dan sekunder, selanjutnya mengetahui
tujuan kedua yaitu hubungan karakteristik rumah
tangga dengan hasil emisi CO2 total dengan
menggunakan analisis Regresi Linier Berganda,
namun sebelum melakukan analsis regresi,
dilakukan analisis korelasi untuk mengetahui
hubungan antar variabel X dan variabel Y yang
kemudian dilakukan eleminasi variabel pada
analisis regresi.
HASIL DAN PEMBAHASAN
Kelurahan Jodipan yang berbatasan
dengan Kelurahan Polehan dan Kelurahan
Kesatrian di Kecamatan Blimbing pada sebelah
utara, Kelurahan Sukoharjo dan Kecamatan
Klojen di sebelah barat, Kelurahan Kotalama,
Kecamatan Kedungkandang di sebelah selatan,
dan Kelurahan Kedungkandang termasuk
Kecamatan Blimbing di sebelah timur.
Luas wilayah Kelurahan Jodipan 49,35 ha
dengan 2,76% terhadap luas Kecamatan
Blimbing. Jarak pemerintahan kelurahan ke
pemerintahan kecamatan 7,2 km dan jarak ke
Pusat Pemerintahan Kota sekitar 1,9 km.
Kelurahan Jodipan memiliki 8 RW dan jumlah 87
RT. Jumlah penduduk Kelurahan Jodipan sebesar
13.136 jiwa dengan kepadatan penduduk 266
jiwa/km2. Memiliki 8 RW dengan jumlah rumah
tangga terbanyak pada RW 6 sebanyak 704
rumah yang juga merupakan RT terbanyak.
 Rusyda Al Latifa, Kartika Eka Sari, Christia Meidiana

Konsumsi Bahan Bakar Memasak dan Listrik bahan bakar LPG yang dikonsumsi maka emisi
primer yang dihasilkan juga semakin besar.
Rata-rata konsumsi bahan bakar
responden yang menggunakan LPG di Kelurahan
Jodipan yaitu 8,205 kg setiap bulan, sedangkan 4
responden yang menggunakan bahan bakar
selingan minyak tanah 4,5 liter setiap bulan, dan
1 responden yang menggunakan bahan bakar
selingan kayu bakar 5 kg setiap bulan. Pengguna
rumah kecil lebih banyak dibandingkan dengan
klasifikasi rumah lainnya dan rumah dengan daya
900 VA pada setiap RW memiliki rata-rata yang
lebih tinggi dibanding rumah 450 VA dan rumah
1300 VA.
Sedangkan rata-rata konsumsi listrik yang
digunakan sebesar 191,901 kWh energi listrik
perbulannya berdasarkan klasifikasi daya listrik
450 VA, 900 VA, dan 1300 VA. Penggunaan
konsumsi listrik rumah besar pada setiap RW
memiliki rata-rata yang lebih tinggi dibanding Gambar 2. Grafik emisi CO2 sekunder per RW
rumah kecil dan rumah sedang. Berdasarkan Gambar 2. penghasil emisi
CO2 sekunder terbesar yaitu RW 5 dengan jenis
Estimasi Besaran Emisi CO2
rumah kecil sebesar 6,450 ton CO2/bulan,
Perhitungan emisi primer dilakukan sedangkan emisi CO2 sekunder terendah terdapat
setelah mengetahui konsumsi bahan bakar di RW 3 dengan jenis rumah besar sebesar 0,140
memasak LPG, kayu bakar, dan minyak tanah. ton CO2/bulan. Faktor yang mempengaruhi
Sedangkan emisi sekunder dilakukan setelah besaran produksi emisi CO2 yaitu jenis daya listrik
mengetahui konsumsi listrik perbulan. yang digunakan, karena semakin besar
kebutuhan listriknya, maka semakin besar juga
daya listrik yang terpasang. Faktor lain yaitu
banyaknya alat elektronik dengan watt yang
tinggi, sehingga konsumsi listrik juga banyak.
Tabel 1. Perhitungan Jumlah dari Emisi CO2
Primer dan Emisi CO2 Sekunder
Emisi
Sekund
Primer CO2
er
R Pend (ton % % Total
(ton
W uduk /bln) (ton
/bln)
/bln)
a b= a/e c d= c/e e
1 532 15,60 16,47% 79,12 83,53% 94,71
2 312 9,50 17,04% 46,26 82,96% 55,77
3 261 7,36 17,47% 34,81 82,53% 42,17
4 326 8,74 13,59% 55,59 86,41% 64,33
5 229 5,91 13,85% 36,78 86,15% 42,69
6 704 16,69 13,28% 109,05 86,72% 125,74
7 602 13,48 15,17% 75,39 84,83% 88,87
Gambar 1. Grafik emisi CO2 primer per RW 8 328 7,50 13,13% 49,67 86,87% 57,18
Total 84,81 - 486,70 - 571,51
Berdasarkan Gambar 1. grafik histogram
Rata-rata 10,60 15% 60,83 85% 71,43
yang menunjukkan bahwa penghasil emisi CO2
Berdasarkan Tabel 1. diketahui hasil emisi
primer terbesar yaitu RW 8 rumah jenis kecil 21
rumah tangga yang paling besar yaitu di RW 6
m2 – 69 m2 sebesar 0,958 ton CO2/bulan,
sebesar 125,746 ton CO2/bulan. Sedangkan emisi
sedangkan emisi CO2 primer terendah juga pada
rumah tangga total dengan hasil emisi paling
RW 8 dengan jenis rumah lebih kecil 8 m2 – 20 m2
rendah di RW 3 yaitu 42,179 ton CO2/bulan.
sebesar 0,018 ton CO2/bulan. Hal ini
Sebesar 85% emisi CO2 rumah tangga yang ada di
menunjukkan semakin besar jumlah penggunaan
Kelurahan Jodipan merupakan emisi CO2

Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022 93
FAKTOR RUMAH TANGGA YANG MEMPENGARUHI EMISI CO2 DI KELURAHAN JODIPAN, KOTA MALANG

sekunder yang berasal dari konsumsi listrik, Variabel

Hubungan Korelasi Kekuatan Hubungan
Sig. Ada/tidak ada R Hasil
sisanya yaitu 15% emisi CO2 primer yang berasal X7 0,002 ada 0,153** sangat lemah
dari bahan bakar memasak berupa LPG, minyak X8 0,137 tidak ada 0,074 (-)
tanah, dan kayu bakar. **. Correlation is significant at the 0.01 level (2-tailed).
Berdasarkan Tabel 2. hasil signifikan pada
analisis korelasi diketahui dengan melihat Sig. (2-
tailed). Jika nilai Sig. <0,05, maka hubungan r
signifikan dengan kategori kriteria penilaian
korelasi pada tingkat hubungan korelasi antar
variabel. Hasil dari analisis yaitu terdapat 3
variabel yang tidak memiliki hubungan dengan
nilai signifikan diatas 0,05. Maka lima variabel
lainnya kemudian dimasukkan kedalam analisis
regresi linier berganda menggunakan program
SPSS.
Analisis Regresi Linier Berganda
Regresi yang dilakukan dengan sampel
pada awalnya sebanyak 400 sampel dan variabel
yang dimasukkan lima variabel bebas (X) dan satu
Gambar 3. Peta Emisi CO2 Total Per Rumah variabel terikat (Y) yaitu Luas bangunan (X1), Daya
Berdasarkan Gambar 3. emisi CO2 total listrik rumah (X4), Jumlah pendapatan perbulan
yang dihasilkan setiap rumah 400 responden yang (X5), Jumlah anggota keluarga (X6), Jumlah
terbagi menjadi empat klasifikasi emisi anggota keluarga yang bersekolah (X7) dan satu
berdasarkan nilai quartil. Kategori nilai emisi di variabel Y yaitu besaran emisi CO2 (Y). Sedangkan
Kelurahan Jodipan terbagi atas 4 kelas yaitu variabel X2, X3 dan X8 tidak lolos analisis korelasi
kategori satu dengan nilai 298,895 – 341,675 ton karena dinilai tidak signifikan atau nilai signifikan
CO2/bulan yaitu RW 03 dan RW 05. Kategori dua >0,05 sehingga tidak ada hubungan antara varian
nilai emisi 341,676 – 508,325 ton CO2/bulan yaitu X dengan variabel Y. Kemudian setelah melalui
RW 02 dan RW 08. Kategori tiga nilai emisi proses outlier data dikarenakan distribusi data
508,326 – 589,393 ton CO2/bulan yaitu RW 04 belum normal. Metode outliers menggunakan Z-
dan RW 07. Kategori empat nilai emisi 589,394 – Score dengan kriteria jika sampel data >80 maka
880,224 ton CO2/bulan yaitu RW 01 dan RW 06. dinyatakan nilai outlier apabila nilai Z-score
Persebaran produksi nilai emisi dari rumah berkisar antara 3 sampai dengan 4, jika lebih
tangga dengan kategori empat yang merupakan maka data tersebut sangat ekstrim yang harus
klasifikasi nilai emisi CO2 terbesar yaitu RW 06 di dihilangkan dari sampel. Hasilnya menghasilkan
Kelurahan Jodipan dengan karakteristik 384 sampel data kemudian dilakukan regresi
permukiman sangat padat dibandingkan RW secara ulang.
lainnya. Data yang dimasukkan kedalam regresi
SPSS berbentuk data rasio. Pada input data
Analisis Korelasi
variabel untuk memudahkan perhitungan regresi,
Analisis korelasi digunakan untuk melihat variabel Jumlah pendapatan perbulan (X7)
hubungan antara delapan variabel bebas (X) dengan satuan rupiah diubah kedalam satuan
terhadap besaran emisi CO2 (Y) adalah dengan jutaan rupiah. Misalnya jika Rp 500.000 maka
menggunakan korelasi pearson dengan uji ditulis 0,050 begitu juga jika Rp 1.000.000 maka
korelasi bivariat. ditulis 1,000. Hal ini dikarenakan adanya skala
interval yang jauh antara variabel.
Tabel 2. Analisis Korelasi Bivariat
Hasil dari analisis regresi pada uji glejser
Hubungan Korelasi Kekuatan Hubungan dengan sampel 400 data, pada variabel Daya
Variabel
Sig. Ada/tidak ada R Hasil
X1 0,000 ada 0,205** lemah listrik rumah (X4) memiliki nilai sig. <0,05. Jika
X2 0,136 tidak ada 0,075 (-) dilakukan outlier data hasil dari uji glejser variabel
X3 0,057 tidak ada 0,095 (-) X5 tidak mencapai nilai signifikan alpha. Untuk itu
X4 0,001 ada 0,163** sangat lemah
X5 0,000 ada 0,360** lemah
diperlukan transformasi data menggunakan Ln
X6 0,000 ada 0,199** sangat lemah (Logaritma Natural) pada semua variabel X dan

94 Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022
 Rusyda Al Latifa, Kartika Eka Sari, Christia Meidiana

variabel Y sebagai salah satu cara agar variabel X5 Ln_X6 0.305

Ln_X7A 0.581
tidak heteroskedastisitas. Ditujukan agar
a. Dependent Variable: Abs_Res (Ln Y)
memperkecil skala antar x dengan semakin
sempitnya x diharapkan nilai erorr juga semakin Berdasarkan Tabel 4. semua variabel
kecil sehingga model regresi dapat dihasilkan dependen (X) menunjukkan nilai sig. >0,05 maka
dengan baik. disimpulkan pada masing-masing model regresi
sudah terbentuk asumsi non-heteroskedastisitas
1. Uji Asumsi Klasik sehingga asumsi ini telah terpenuhi dan dapat
A. Uji Normalitas dilanjutkan ke tahap uji multikolinearitas.
Uji normalitas digunakan untuk menguji C. Uji Multikolinearitas
model regresi terdapat indikasi residual dalam
Bertujuan untuk mengetahui adanya
mengikuti sebaran normal atau tidak. Dalam
penelitian menggunakan metode grafik normal hubungan linear yang sempurna atau mendekati
probability plot dan uji Kolmogorov Smirnov. antar variabel independen dalam model regresi.
Tabel 3. Hasil uji normalitas menggunakan Suatu model regresi dikatakan mengalami
Kolmogorov-smirnov multikolinearitas jika ada fungsi linear yang
One-Sample Kolmogorov-Smirnov Test sempurna pada beberapa atau semua
Unstandardized independen variabel dalam fungsi linear.
Residual Tabel 5. Hasil Uji Asumsi Multikolineritas
N 384 Coefficientsa
Normal Parametersa,b Mean 0.0000000 Collinearity Statistics
Model
Std. Deviation 0.29185603 Tolerance VIF
Most Extreme Differences Absolute 0.043 1 (Constant)
Positive 0.043 Ln_X1 0.825 1.212
Negative -0.041 Ln_X4 0.917 1.091
Test Statistic 0.043 Ln_X5 0.848 1.179
Asymp. Sig. (2-tailed) 0.088c Ln_X6 0.548 1.826
a. Test distribution is Normal. Ln_X7A 0.557 1.794
b. Calculated from data. a. Dependent Variable: Ln_Y
c. Lilliefors Significance Correction. Berdasarkan Tabel 5. nilai Tolerance dan
Berdasarkan Tabel 3. hasil perhitungan uji VIF yang dihasilkan menurun daripada sebelum
normalitas One-Sample Kolmogorov-Smirnov dilakukan transformasi data. Lima variabel bebas
Test menggunakan persamaan Asymptotic Only (X) dalam penelitian ini memiliki nilai Tolerance
dengan sampel 384 data, hasil nilai Asymp. Sig. (2- lebih besar dari 0,1 dan nilai VIF yang lebih kecil
tailed) sebesar 0,200 dimana nilai tersebut lebih dari 10, sehingga hasil dari uji multikolinearitas
besar dari standar probabilitas penelitian 0,005 pada model regresi yaitu tidak terdapat gejala
atau 5% yang berarti data sudah terdistrtibusi multikolinearitas antara varibel bebas dalam
secara normal dalam model regresi tersebut. model regresi.
B. Uji Asumsi Heteroskedastisitas 2. Uji Kelayakan Model
Pengujian asumsi heteroskedastisitas A. Koefisien Determinasi
dapat dilakukan dengan metode pengujian Koefisien determinasi (R2) digunakan untuk
statistik uji Glejser yaitu dengan melakukan mengukur prosentase kemampuan model regresi
regresi variabel bebas terhadap nilai absolut dalam menerangkan variasi variabel Y, sedangkan
residualnya. Residual adalah selisih antara nilai prosentase sisanya dijelaskan oleh variabel lain
variabel Y dengan nilai variabel Y yang diprediksi, yang tidak digunakan dalam model regresi.
dan absolut adalah nilai mutlaknya (nilai positif Tabel 6. Koefisien Determinasi Model Regresi
semua). Model Summaryb
Tabel 4. Uji Heteroskedastisitas menggunakan Model R R Square
Adjusted R Std. Error of
Uji Glejser Square the Estimate
Coefficientsa 1 0.362a 0.131 0.120 0.29378
Model Sig. a. Predictors: (Constant), Ln_X7A, Ln_X5, Ln_X4, Ln_X1, Ln_X6
1 (Constant) 0.964 b. Dependent Variable: Ln_Y
Ln_X1 0.303 Berdasarkan Tabel 6. hasil dari regresi yang
Ln_X4 0.495 berarti nilai Adjusted R2 sebesar 12% emisi CO2
Ln_X5 0.066 dari konsumsi listrik dan bahan bakar memasak

Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022 95
FAKTOR RUMAH TANGGA YANG MEMPENGARUHI EMISI CO2 DI KELURAHAN JODIPAN, KOTA MALANG
rumah tangga dapat dijelaskan oleh variabel Luas
bangunan, Daya listrik rumah, Jumlah
pendapatan perbulan, Jumlah anggota keluarga,
Jumlah anggota keluarga yang bersekolah,
sedangkan sisanya sebesar 88% dijelaskan oleh
variabel lain yang tidak diteliti dalam penelitian di
luar persamaan regresi. Nilai Adjusted R2 yang
kecil dikarenakan faktor lain yang dapat
mempengaruhi variabel Emisi CO2 total, seperti
hasil dari setiap variabel yang tidak memiliki nilai
signifikan <0,05 membuat nilai Adjusted R2
semakin kecil. Selain itu faktor lain yaitu nilai dari
Standard Error of the Estimate (SEE) yang
merupakan satuan ukuran dalam kesalahan
model regresi dalam memprediksikan nilai
variabel Y. Jika nilai kesalahan kurang dari standar
deviasi Y, maka model regresi dinilai semakin baik
dalam mempredisi nilai Y atau semakin kecil nilai
kesalahan maka persamaan regresi semakin baik.
Hasil model regresi didapat nilai 0,293 sebagai
nilai kesalahan dalam prediksi Emisi CO2 (Y).
Pada uji kelayakan determinasi sebagai
penjelasan hasil dari minimum R2 yang dihasilkan
sebagai acuan dalam buku halaman 170
menjelaskan hasil minumun R2 yang dihasilkan
jika ukuran sampel sebanyak 400 sampel dengan
penelitian 5% maka hasil minimum R2 sebesar 5%
atau 0,050. Sedangkan hasil dari regresi sebesar
13%, artinya nilai dari model regresi sudah
terlampaui batas minimal yang kemudian dapat
dilanjutkan ketahap uji regresi lainnya (Jr. William
C. Black, et. al,2014).
B. Uji Simultan (Uji F)
Uji F dalam model regresi linier berganda
digunakan untuk menguji hipotesis dari variabel X
memiliki pengaruh simultan terhadap variabel Y.
Apabila hasil dari model regresi signifikan, maka
model layak digunakan sebagai prediksi atau
peramalan.
Tabel 7. Uji F Model Regresi Linier Berganda
ANOVAa
Sum of Mean
Model df F Sig.
Squares Square
1 Regression 4.927 5 0.985 11.418 0.000b
Residual 32.624 378 0.086
Total 37.551 383
a. Dependent Variable: Ln_Y
b. Predictors: (Constant), Ln_X7A, Ln_X5, Ln_X4, Ln_X1, Ln_X6
Berdasarkan Tabel 7. hasil perhitungan
SPSS pada tabel di atas, terdapat perbedaan nilai
yang sangat jauh ketika data variabel sebelum
dan sesudah dilakukan transformasi data. Hasil
dari model regresi memiliki nilai sig. sebesar 0,00
yang berarti nilai lebih kecil dari nilai alpha
96 Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022
penelitian 0,05. Hal ini dapat disimpulkan bahwa
hipotesis nol ditolak dan hipotesis alternatif
diterima, yang berarti bahwa variabel X secara
simultan berpengaruh terhadap variabel Y.
C. Uji Parsial (Uji t)
Pengujian model regresi secara parsial atau
istilahnya uji t digunakan untuk mengetahui
apakah masing-masing variabel X secara individu
mempengaruhi signifikan atau tidak terhadap
variabel Y dalam menghasilkan model regresi.
Tabel 8. Uji T Model Regresi Linier Berganda
Coefficientsa
Model t Sig.
1 (Constant) 14.300 0.000
Ln_X1 -0.245 0.806
Ln_X4 2.737 0.006
Ln_X5 5.464 0.000
Ln_X6 0.293 0.770
Ln_X7A 1.911 0.057
a. Dependent Variable: Ln_Y
Berdasarkan Tabel 8. kolom coefficients
kolom bagian Unstandardized Coefficients yang B
dalam perhitungan SPSS sebagai pengujian
hipotesis uji t. Terdapat perbedaan variabel
signifikan <0,05 pada tabel sebelum dan sesudah
dilakukan transformasi data. Sebelum dilakukan
transformasi data, variabel X5 yang memiliki nilai
dibawah alpha penelitian, sedangkan setelah
dilakukan transformasi data terdapat dua
variabel yang memiliki nilai signifikan dibawah
alpha penelitian yaitu variabel Daya listrik Rumah
(X4) sebesar 0,006 dan Jumlah pendapatan
perbulan (X5) sebesar 0,000 yang berpengaruh
terhadap besaran Emisi CO2 (Y). Sementara tiga
variabel lainnya tidak berpengaruh signifikan
terhadap variabel terikat, karena nilai signifikan
diatas 5%. Maka, dapat disimpulkan variabel Daya
listrik rumah (X4) dan Jumlah pendapatan
perbulan (X5) secara parsial (sendiri) memberikan
pengaruh signifikan terhadap variabel besaran
Emisi CO2 (Y) pada model Regresi linier berganda.
3. Interpretasi Model Regresi
Tahapan dalam melakukan intepretasi
model regeresi yaitu melaskukan uji asumsi klasik
dan uji kelayakan model terlebih dahulu.
Interpretasi model regresi dilakukan setelah
semua tahap uji asumsi klasik dan kelayakan
model dilakukan. Hal ini dikarenakan uji asumsi
yang telah dilakukan berfungsi untuk memastikan
bahwa sebuah model regresi telah memenuhi
syarat karena apabila uji asumsi klasik tidak
memenuhi syarat maka kemungkinan
interpretasi model kurang tepat atau bias.
 Rusyda Al Latifa, Kartika Eka Sari, Christia Meidiana

Tabel 9. Tabel Koefisien Model Regresi Linier Berganda

Coefficientsa
Standardized
Unstandardized Coefficients Collinearity Statistics
Model Coefficients t Sig.
B Std. Error Beta Tolerance VIF
1 (Constant) 4.262 0.298 14.300 0.000
Ln_X1 -0.007 0.029 -0.013 -0.245 0.806 0.825 1.212
Ln_X4 0.122 0.045 0.137 2.737 0.006 0.917 1.091
Ln_X5 0.173 0.032 0.284 5.464 0.000 0.848 1.179
Ln_X6 0.018 0.060 0.019 0.293 0.770 0.548 1.826
Ln_X7A 0.010 0.005 0.123 1.911 0.057 0.557 1.794
a. Dependent Variable: Ln_Y

Berdasarkan Tabel 9. hasil analisis regresi
linier berganda, dapat ditentukan variabel X yang
berpengaruh signifikan dan tidak berpengaruh
signifikan terhadap variabel Y. Apabila nilai sig
<0,05 maka variabel X berpengaruh signifikan,
jika nilai sig >0,05 maka variabel X tidak
berpengaruh signifikan. Nilai signifikan dari setiap
variabel dimasukkan kedalam rumus model
regresi linier berganda sebagai berikut:
Y= 4,262 + 0,122 X4 + 0,173 X5
Model regresi tersebut merupakan bentuk
model regresi di Kelurahan Jodipan yang tidak
bisa digeneralisasikan di wilayah lainnya karena
variabel data yang dimasukkan berbeda. Variabel
yang memiliki nilai sig. <0,05 yaitu variabel Daya
Listrik (X4) dan Jumlah Pendapatan Perbulan (X5)
dengan koefisien positif. Nilai konstanta (Y)
sebesar 4,262 menunjukkan besarnya variabel
nilai emisi CO2 pada saat semua variabel X bernilai
0. Nilai konstanta tersebut memiliki arti apabila
tidak terdapat kontribusi variabel karakteristik
rumah tangga sebagai pengaruh besaran nilai
emisi CO2 rumah tangga, yang terdiri dari variabel
Daya listrik rumah (X4), dan Jumlah pendapatan
perbulan (X5), Maka kadar emisi CO2 (Y) akan
bernilai sebesar nilai konstanta pada model
regresi linier berganda.
Variabel X4 memiliki nilai koefisien sebesar
0,122 teruji berpengaruh signifikan terhadap
emisi CO2. Rumah dengan jenis daya listrik yang
lebih besar akan cenderung menghasilkan emisi
CO2 yang lebih tinggi secara tidak langsung.
Artinya semakin besar daya listrik yang digunakan
maka semakin besar teknologi dengan watt yang
digunakan hal ini juga berkaitan dengan
pendapatan yang semakin besar karena berbagai
kebutuhan teknologi yang semakin canggih
dalam era modern perilaku konsumtif sehingga
banyak mengeluarkan energi listrik yang
berdampak pada besarnya produksi emisi GRK.
Variabel X5 dengan nilai koefisien sebesar
0,173 teruji berpengaruh signifikan terhadap
emisi CO2. Rumah dengan jumlah pendapatan
perbulan lebih tinggi cenderung akan memiliki
emisi CO2 yang lebih besar. Hal ini dikarenakan
semakin banyak jumlah gaji yang didapatkan
setiap bulannya, maka berpengaruh terhadap
kebutuhan rumah tangga yang semakin banyak.
Mulai dari kebutuhan makan berupa konsumsi
bahan bakar LPG atau sejenisnya, dan kebutuhan
barang elektronik yang digunakan. Maka dari
hasil kedua konsumsi rumah tangga
mengakibatkan emisi CO2 yang dihasilkan juga
semakin besar.
Ghofrani (2022) menjelaskan pengaruh
besaran tagihan perbulan terhadap perilaku
manusia (suhu dalam ruangan, penggunaan
elektronik, konsumsi energi) memiliki tingkat
akurasi sebesar 84,6% pada hasil regresi yang
kemudian dikembalikan pada konsumsi energi
terhadap gaji yang didapatkan dimana semakin
besar gaji kecenderungan tagihan yang
dikeluarkan juga semakin besar tergantung dari
perilaku manusia tersebut.
Berdasarkan penjelasan penelitian
terdahulu maka salah satu kecenderungan
pengaruh besaran konsumsi energi berasal dari
pendapatan yang dihasilkan perbulannya
kemudian berdampak pada besarnya tagihan
energi berupa listrik dan bahan bakar memasak
dalam rumah yang kemudian menghasilkan emisi
CO2 rumah tangga sumber tidak bergerak
semakin banyak.
Berdasarkan penelitian Rinpropadebi
(2015) menjelaskan emisi karbon paling tinggi di
Kota Malang yaitu pada rumah sederhana
daripada rumah menengah dan rumah mewah
maka pada penelitian ini selaras karena hasil dari
emisi yang dihasilkan lebih cenderung tinggi
rumah sederhana dengan rumah kecil (21 m2 - 69
m2) dan rumah sedang (70 m2 - 100 m2) dibanding
rumah besar yang luasannya diatas 120 m2. Pada
kawasan perkotaan emisi tidak bergerak lebih
banyak didominasi di perumahan informal

Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022 97
FAKTOR RUMAH TANGGA YANG MEMPENGARUHI EMISI CO2 DI KELURAHAN JODIPAN, KOTA MALANG
dengan kepadatan tinggi dibandingkan dengan
perumahan real estate (Novananda, 2015).
Selain dari hasil model regresi linier
berganda yang menilai variabel-variabel yang
signifikan berpengaruh terhadap besarnya emisi
yang dihasilkan, berikut penjelasan jika
dikembalikan pada data pemakaian rata-rata
konsumsi energi listrik dan LPG jika dibandingkan
antara pemakaian jenis daya listrik dan
pendapatan dari UMR Kota Malang tahun 2021.
Gambar 5. Rata-rata Pemakaian Listrik
Berdasarkan UMR
Berdasarkan Gambar 5. rata-rata rumah yang
memiliki pendapatan lebih dari UMR cenderung
menghabiskan listrik yang lebih tinggi
dibandingkan rumah yang memiliki pendapatan
kurang dari UMR. Semakin banyak
mengkonsumsi listrik, maka pengeluaran juga
semakin banyak. Hal ini juga selaras dengan
pendapatan jika semakin besar gaji perbulan
maka kecenderungan kebutuhan konsumsi juga
semakin besar. Menurut Pranadji et al. (2010)
dalam hasil penelitiannya mengatakan bahwa
salah satu faktor yang mempengaruhi tingkat
frekuensi penggunaan konsumsi energi adalah
tingkat pendapatan, semakin tinggi tingkat
pendapatan keluarga maka semakin tinggi pula
frekuensi penggunaannya.
Stimulasi subsidi listrik yang diberikan
pemerintah pada kategori tidak mampu atau
golongan R1/450 VA dan R1/900 VA, namun
pengguna tersebut sebagian memiliki gaji diatas
UMR yang menjadikan pemakaian listrik tinggi.
Sedangkan kelompok yang benar-benar tidak
mampu dengan adanya subsidi menjadi tertolong
karena tagihan menjadi berkurang dengan
pemakaian konsumsi listrik sama dengan bulan
sebelumnya.
Dampak jangka panjang jika subsidi tetap
diberikan tanpa adanya batasan kWh, maka
pengguna listrik dapat meningkat 2-3 kali lipat
yang menjadikan produksi emisi CO2 semakin
besar, sehingga kebijakan menurunkan emisi pun
dinilai gagal karena adanya stimulus subsidi
listrik. Selain dari program pemerintah sebagai
alasan konsumsi listrik rumah dengan daya listrik
98 Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022
450 VA dan 900 VA lebih banyak daripada
pemakaian rumah dengan daya listrik 1300 VA,
bisa saja karena faktor lain seperti jumlah
anggota dalam keluarga yang semakin banyak
sehingga konsumsi energi juga semakin besar
yang dikeluarkan.
Maka dari itu diperlukan adanya
pembatasan pada pola konsumsi listrik dengan
cara konservasi energi dan efisiensi energi serta
diperlukan pembatasan jumlah kWh yang
disubsidi dan mendata ulang rumah tangga yang
mampu dan tidak mampu berdasarkan
pendapatan sehingga adanya subsidi dari
pemerintah tidak digunakan semena-mena.
Seperti contoh berdasarkan Kementerian
Keuangan (2015) menyarankan kebijakan
reformasi terhadap subsidi listrik pengguna daya
listrik R1/450 VA yang mengkonsumsi sampai 80
kWh/bulan dan R1/900 VA yang mengkonsumsi
sampai 60 kWh/bulan, dan apabila konsumsi
melebihi batas yang ditentukan, pelanggan
tersebut tidak mendapatkan subsidi. Kemudian
pemberlakuan TDL (Tarif Dasar Listrik) yang
dinaikkan secara bertahap (misal per triwulan)
sehingga pada akhirnya sudah tidak disubsidi lagi.
KESIMPULAN
Kesimpulan berdasarkan hasil penelitian
“Faktor Rumah Tangga yang Mempengaruhi
Emisi CO2 di Kelurahan Jodipan, Kota Malang”
merupakan pembahasan yang telah dirangkum
berdasarkan data penelitian dan hasil analisis
sebelumnya. Data penelitian terkait konsumsi
energi rumah tangga yang dibedakan menjadi
dua jenis yaitu penggunaan bahan bakar
memasak dan penggunaan jumlah kWh listrik
dalam satu bulan, sedangkan hasil analisis yang
dihitung berdasarkan analisis korelasi dan regresi
linier berganda dapat diuraikan sebagai berikut:
1. Konsumsi energi rumah tangga di Kelurahan
Jodipan sebagian besar menggunakan LPG
jenis 3 kg dengan rata-rata pemakaian 8,205
kg atau sekitar 3-4 tabung, minyak tanah 4,5
liter dan kayu bakar 5 kg dalam satu bulan.
Jenis daya listrik yaitu 450 VA, 900 VA dan
1.300 VA yang memiliki rata-rata konsumsi
listrik per bulan sebesar 191,901 kWh setiap
rumah.
2. Penghasil emisi terbesar di Kelurahan
Jodipan yaitu di RW 6 sebesar 125,746
tonCO2/bulan dengan emisi primer 16,695
tonCO2/bulan dan emisi sekunder 109,052

tonCO2/bulan dengan jumlah rumah
terbanyak di Kelurahan Jodipan yaitu 704
rumah. Sedangkan rumah tangga yang
memiliki emisi paling rendah terdapat pada
RW 3 sebesar 42,179 ton CO2/bulan. Sebesar
85% emisi CO2 berasal dari konsumsi listrik,
sedangkan 15% emisi CO2 primer berasal
dari bahan bakar memasak. Estimasi jumlah
emisi primer yang dihasilkan oleh Kelurahan
Jodipan yaitu sebesar 84,813 ton CO2/bulan
dan emisi sekunder yang dihasilkan sebesar
486,701 ton CO2/bulan dan total emisi yang
dihasilkan sebesar 571,514 ton CO2/bulan.
3. Faktor karakteristik rumah tangga yang
berpengaruh terhadap emisi rumah tangga
menggunakan analisis regresi linier
berganda menunjukkan variabel X4 dan X5
teruji berpengaruh signifikan terhadap emisi
CO2. Rumah dengan jenis daya listrik yang
lebih besar akan cenderung menghasilkan
emisi CO2 yang lebih tinggi secara tidak
langsung. Artinya semakin besar daya listrik
yang digunakan maka semakin besar
teknologi dengan watt yang digunakan, hal
ini juga berkaitan dengan pendapatan yang
semakin besar karena berbagai kebutuhan
teknologi yang semakin canggih dalam era
modern perilaku konsumtif sehingga banyak
mengeluarkan energi listrik yang berdampak
pada besarnya produksi emisi GRK.
DAFTAR PUSTAKA
Baiocchi, Giovanni., Jan Minx., & Klaus Hubacek.
2010. The impact of social factors and
consumer behavioron carbon dioxide
emissions in the United Kingdom.
Journal of Industrial Ecology. No 14:
50-72.
Firduasi, Mawar. 2016. Analisis Karakteristik
Rumah Tangga Terhadap Tingkat
Emisi Karbon Studi Kasus Kecamatan
Pangandaran. Institut Pertanian
Bogor.
Ghofrani, Ali., Esmat Zaidan, & Ammar Abulibdeh.
2022. Simulation and impact analysis
of behavioral and socioeconomic
dimensions of energy consumption.
Energy: Elsevier.
Harjanto, Suryo Tri., Putri Herlia Pramitasari, &
Bambang Joko Wiji Utomo 2019.
Karakteristik Konsumsi Energi
Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022
Rusyda Al Latifa, Kartika Eka Sari, Christia Meidiana
Bangunan Pada Permukiman Padat
Penduduk di Kota Malang. PAWON:
Jurnal Arsitektur. No.1 Vol 3: 87-98.
Indriastuti, M. Hani’ah, & A. Sukmono 2018.
Analisis Kepadatan Bangunan
Menggunakan Interpretasi Hibrida
Citra Satelit Landsat di Kecamatan
Ungaran Timur dan Ungaran Barat
Kabupaten Semarang Tahun 2009-
2018. Jurnal Geodesi UNDIP. 7(4):
167-175.
Institute for Essential Services Reform. 2021.
Indonesia Energy Transition Outlook
(IETO).
IPCC. 2006. IPCC Guidelines for National
Greenhouse Gas Inventories: Volume
1, 2, 3, 4 and 5 Prepared by the
National Greenhouse Gas Inventories
Programme. Japan. Published: IGES.
Kecamatan Blimbing Dalam Angka. 2020. Badan
Pusat Statistik Kota Malang.
Kementerian Energi dan Sumber Daya Mineral.
2018. Laporan Kinerja Tahun 2018.
Pusat Data dan Informasi Sumber
Daya Mineral dan Energi.
Kementerian Keuangan. 2015. Mekanisme
Kebijakan Subsidi Listrik Yang Lebih
Tepat Sasaran. Retrieved Februari
2022, from fiskal.kemenkeu.go.id:
https://fiskal.kemenkeu.go.id/kajian/
2015/12/30/092250435820332-
mekanisme-kebijakan-subsidi-listrik-
yang-lebih-tepat-sasaran.
Kementrian Lingkungan Hidup. 2010. Peraturan
Menteri Negara Lingkungan Hidup
Nomor 12 Tahun 2010 Tentang
Pelaksanaan Pengendalian
Pencemaran Udara di Daerah.
Kurniawati, Ummi Fadlilah., Rulli Pratiwi Setiawan
2012. Pengaruh Perkembangan
Perumahan Terhadap Emisi
Karbondioksida di Kota Surabaya.
Jurnal Teknik Pomits. Vol. 1 No.1 (1-5).
Lin, Tao., Yu Yunju., Bai Xuemei., Feng Ling., &
Wang Jin. 2013. Greenhouse Gas
Emissions Accounting of Urban
Residental Consumption: A Household
Survey Based Approach. Plosone.
Novananda, E., Rulli P. S. 2015. Persebaran
Spasial Produksi Emisi CO2 dari
Penggunaan Lahan Permukiman di
Kawasan Perkotaan Gresik Bagian
Timur. Jurnal Teknik ITS. No. 1, Vol 4:
C11-C16.
99
FAKTOR RUMAH TANGGA YANG MEMPENGARUHI EMISI CO2 DI KELURAHAN JODIPAN, KOTA MALANG
Nugrahayu, Q., Khumaira Nurjannah, N., &
Hakim, L. 2017. Estimasi Emisi
Karbondioksida dari Sektor
Permukiman di Kota Yogyakarta
Menggunakan IPCC Guidelines. Jurnal
Sains &Teknologi Lingkungan, 9(1),
25-36.
Peraturan Gubernur Jawa Timur No. 67 Tahun
2012 tentang Rencana Aksi Daerah
Penurunan Emisi Gas Rumah Kaca.
Pranadji, Diah Krisnatuti, M. D. Djamaludin, & N.
Kiftiah. Analisis Perilaku Penggunaan
LPG Pada Rumah Tangga di Kota
Bogor. Jurnal IPB, No. 2, Vol 3: 173-
178.
Pramitasari, P. H., Harjanto, S. T., & Utomo, B. J.
W. 2016. Permukiman Padat
Penduduk di Kota Malang Objek
Studi : Kampung Warna-Warni
Jodipan dan Kampung Muria. Majalah
Ilmiah Globe, No 18: 1-6.
Rinpropadebi, Asri Hayyu, J. H., & Rachmat
Boedisantoso. 2015. Penentuan
Faktor Emisi Spesifik Untuk Estimasi
Tapak Karbon dan Pemetaannya Dari
Sektor Permukiman di Kota Malang.
Prosiding Seminar Nasional
Manajemen Teknologi XXII.
100 Planning for Urban Region and Environment Volume 11, Nomor 3, Juli 2022
Rofiana, V. 2015. Dampak Pemukiman Kumuh
Terhadap Kelestarian Lingkungan
Kota Malang: Di Jalan Muharto Kel
Jodipan Kec Blimbing, Kota Malang),
IJPA-The Indonesian Journal of Public
Administration, No. 2, Vol 1: 40–57.
Sasmita, Aryo., Jecky Asmura, Ivnaini Andesgur.
2018. Analisis carbon footprint yang
dihasilkan dari aktivitas rumah tangga
di kelurahan limbungan baru kota
pekanbaru. WAKTU: Jurnal Teknik
UNIPA. Vol 16 No 1:96-105.
Sugiyono. 2016. Metode Penelitian Kuantitatif,
Kualitatif, R&D. Bandung. IKAPI.
Wiratama, I Gusti Ngurah Made. 2016. Jejak
Karbon Konsumsi LPG dan Listrik pada
Aktivitas Rumah Tangga di Kota
Denpasar Bali. Tesis Program Studi
Ilmu Lingkungan Universitas Udayana
Bali.
Wulandari, M. T. H. P. 2016. Kajian Emisi CO2
Berdasarkan Penggunaan Energi
Rumah Tangga Sebagai Penyebab
Pemanasan Global: Perumahan
Sebantengan, RW 07 Kab. Semarang.
Prosiding Seminar Nasional
Pengelolaan Sumberdaya Alam dan
Lingkungan 2013, 434–440.